京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据精准营销降低电商APP新客成本_数据分析师考试
截至2015年6月,中国网民规模达6.68亿,互联网普及率为48.8%;手机网民规模达5.94亿,占比提升至88.9%。也就是说移动互联网时代已经全面到来。在移动互联网时代,决定公司成败的关键技术从信息技术(Information Technology)转向了数据处理技术(Data Technology),“人类正从IT时代走向DT时代”。
DT时代,大数据带来的增量与变量是企业关注的核心。在广义的电商领域,新客的获取成本就是决定增量和变量的一个重要指标。为方便探讨,比达咨询(BigData-Research)对电商APP新客的定义是:激活APP后一月内有购买行为的用户。
众所周知,电商主要的销售额来自老客,但是新客的增长是满足基数规模扩张、迅速拉升市场占有率的关键指标。目前大家熟知的电商平台,都是起于PC网络时期的,且都在做向移动互联网转型的战略布局,所以规模拓展依然是第一要务,也就是要不断地汲取新客,其中包括将PC老客转化为APP新客的过程。
PC互联网早期,新客的转化主要依赖传统的品牌广告,公交车、地铁、报纸上都充斥着各个互联网公司的广告。随着互联网规模的扩大、搜索技术的发展,新客的转化模式变成了品牌广告+精准投放,这个精准投放的精准度也经过了投在网站、投在网页、投在关键词的变迁。
进入移动互联网时代之后,开拓APP新客的模式在品牌广告+精准投放的基础上,新增加了精准营销----基于DT时代大数据分析的精准营销。这里的精准包括两个含义,一个是更精准地定位到潜在用户,另一个是将每一个新客的成本进一步精准化。
从2013年以来,新客成本在不断拉升。2013年前,据行业数据统计,获取一个新用户的成本是维护老用户成本的5~6倍。当时的情况是:大电商不赚钱因为流量越来越贵,小电商赚不到钱是因为没有流量;并且新客获取成本越来越高,新客转化难,用户活跃度偏低。 2014年,获取新客成本已经是维护老用户成本的6-8倍。到了2015年,由于有了大数据精准营销,新客成本有了一些变化。
(图:各类电商APP新客成本调研数据)
根据上图可以看出,APP新客成本的类别区分越来越细化,新客成本的价格不再是平均价,而是一个价格区间。这是因为各家针对新客的投放是立体的,即:品牌广告+精准投放+精准营销。图中标出的价格区间包含了不同平台的投放价格,高的数值来自传统广告模式,低的数值来自大数据精准运营。因此,只做广告投放的企业其新客成本就会比较高,附带的好处是品牌知名度会有所提升。大多数企业会将几种手段结合起来运作,比如会提前为营销节打广告,然后为营销节活动页面买流量,在营销节期间发红包促销以老带新或以甲业务带动乙业务。
对于图中价格跨度最大的票务旅游类APP来说,原因有以下两点:1、进入数据统计的票务旅游类网站不多;2、有长期依赖电视广告的企业。这也间接说明了这个领域竞争的激烈程度。另有第三方数据证明了在线旅游在2015年上半年的高速增长。根据最新的CNNIC报告,截至2015年6月底,手机预订机票、酒店、火车票或旅游度假产品的网民规模达到1.68亿,较2014年12月底增长3350万人,半年度增长率为25.0%。这是别的行业所没有的。
DT时代的精准营销,目前正处于高速成长时期,手段多样。企业在不断尝试,消费者也在逐步适应。比如消费者会投诉为啥老用户得到的促销红包就比新用户少;比如对于买了机票就给你专车接机券,有的用户觉得方便、有的用户就觉得是骚扰。以前,客户终身价值=顾客终身购买次数×客单价×利润率。今后,客户的社会关系、客户消费点评、带来的新客量等等指标,也会包含在客户终身价值里面。DT时代的精准营销,首要就是精算,企业要清楚在拉升新客的同时带来了多少营业额的转化,清楚钱都花在了哪里。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
【核心关键词】贷款、报表、课程、专业、建模、缺失值、营销、互联网、银行、办公自动化、数据分析、数据预处理、特征工程、贷 ...
2026-06-05在数据库数据查询、业务报表统计、多表关联分析中,LEFT JOIN左连接是使用率最高的SQL关联查询语句。其核心特性是保留左表全部数 ...
2026-06-05 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-06-05任何一款产品从诞生、普及到最终退出市场,都会遵循一套固定的发展规律,这就是产品生命周期理论。在市场竞争日益激烈、产品迭代 ...
2026-06-04在Excel数据分析、办公统计、业务报表制作场景中,数据透视表是数据汇总、分类统计、快速复盘的核心工具,能够高效完成海量原始 ...
2026-06-04 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-06-04在问卷调查与社会科学数据分析中,卡方检验是最常用、最基础的非参数检验方法,广泛应用于市场调研、用户分析、行为统计、满意度 ...
2026-06-03【核心关键词】贷款、报表、课程、专业、建模、缺失值、营销、互联网、银行、办公自动化、数据分析、数据预处理、特征工程、贷 ...
2026-06-03 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-06-03逻辑回归是数据分析、机器学习、统计建模中应用最广泛的二分类预测模型,常用于风险判断、行为预测、归因分析等场景。在SPSS、Py ...
2026-06-02数字经济时代,市场竞争日趋同质化,用户消费需求愈发个性化、多元化,传统依托经验、粗放式、广撒网的营销模式弊端日益凸显。长 ...
2026-06-02 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-06-02在市场竞争日趋饱和、用户需求不断细分的当下,企业创业创新、产品迭代与市场拓展不再依赖经验决策,而是需要系统化、工具化的商 ...
2026-06-01【核心关键词】调度、岗位、数据库、企业、报表、培训、程序、数据分析、数据加工、业务部门、企业数据、调度工具、业务指标、 ...
2026-06-01 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-06-01在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-05-28